OpenAI 升級 GPT-4 Turbo：視覺請求全面支援 JSON 與函式呼叫

本來以為是個大升級，沒想到寫程式碼的程式設計師們先炸了鍋。

OpenAI 正式在 API 中上線了聲稱有「重大改進」的 GPT-4 Turbo 正式版，並且開始向 ChatGPT 使用者推送。最核心的更新是 GPT-4 Turbo with Vision 正式全面商用（GA），視覺能力終於能直接配合 JSON mode 和函式呼叫（Function Calling）一起用了。

但這頭官方還在推特上慶祝，那頭開源 AI 程式設計工具 aider 就端出了一份讓人尷尬的測試資料。

視覺功能終於補齊，但程式碼跑分卻倒退了

對開發應用的人來說，新模型把視覺和結構化輸出打通，確實解決了個大麻煩。以前想讓模型看圖再規規矩矩輸出 JSON，往往得繞好幾道彎，現在官方原生支援了。

然而，當終端使用者把它拉去幹重活時，情況有點不對勁。

AI 輔助程式設計工具 aider 拿 133 道 Python 程式碼編輯題目測了一圈。在兩次嘗試的機會下，這個帶有視覺能力的新版 GPT-4 Turbo 僅拿到了 62% 的分數，成了所有 GPT-4 家族模型裡得分最低的一個。

雖然比起其他版本的 63% 到 66%，差距看起來不算特別巨大，但指望它變強的開發者們顯然撲了個空。

「偷懶」不僅沒修好，反而更嚴重了

比單純寫錯程式碼更讓程式設計師頭疼的，是模型的「偷懶症」。

去年 GPT-4 Turbo 剛出來時就因為老在程式碼裡留註釋敷衍了事被罵過。比如遇到複雜的邏輯，它不寫完整實現，而是寫上一行類似「請在此處實現具體邏輯」的註釋，把活兒扔回給人類。

為了量化這種偷懶行為，aider 專門設計了由 89 個 Python 重構任務組成的基準測試。

結果顯示，新版 GPT-4 Turbo 在這個測試裡只拿到了 34% 的分數。用 aider 的話說，它以相當明顯的差距，坐實了所有 GPT-4 Turbo 模型中「最懶程式設計師」的稱號。

也正因為這樣，aider 雖然第一時間支援了新模型的介面，但明確表示預設模型依然會堅守 gpt-4-1106-preview，因為後者依然是他們測過程式設計能力最強的版本。

為什麼重要

這件事情給所有把業務押在模型上的開發者提了個醒：全功能大一統的模型，往往需要付出代價。

如果你做的是多模態產品，比如需要識別圖表並轉成標準 JSON 存入資料庫，那這個版本非常值得立刻接入，它能幫你省掉一大堆膠水程式碼。

但如果你指望拿它來當主力程式設計助手，我們建議先別急著升級，或者乾脆繼續鎖定老版本。

我們認為，OpenAI 這次暴露出一個很現實的權衡難題。當團隊試圖把視覺理解、函式呼叫和通用文本能力全部塞進同一個通用模型時，模型內部的能力權重看起來發生了某種稀釋。在多模態方向大步前進的同時，高難度的長程式碼生成反而出現了效能倒退。

對於行業裡的程式碼輔助工具來說，盲目追捧官方的「最新最強」正在變得越來越危險，針對細分場景做迴歸測試、甚至建立自己的專屬評測集，已經成了逃不掉的硬成本。